台達憑什麼搭上AI順風車?新事業為何十拿九穩?大量併購的盤算是⋯簡立峰、李吉仁QA拆解
台達憑什麼搭上AI順風車?新事業為何十拿九穩?大量併購的盤算是⋯簡立峰、李吉仁QA拆解

短短1年,台達電市值躍居台股前段班。這家過去以電源供應器聞名的老牌電子廠,究竟做對了什麼?能在AI浪潮中被市場重新定價?答案藏在一場長達數十年的布局裡。

簡立峰

Google台灣前董事總經理,也是台灣Google第一位員工,現任行政院經濟發展委員會創新經濟顧問,長期投入人工智慧、搜尋技術與科技產業研究。

簡立峰
圖/ 侯俊偉攝影

李吉仁

台灣大學國際企業學系名譽教授與知名企業策略大師,自2016年開始擔任台達獨立董事,長期研究策略管理、企業成長、組織轉型與併購。

台大創創中心主任 李吉仁
圖/ 侯俊偉攝影

(1)台達電最特別的地方是什麼?

簡立峰:它是台灣最成功運用國際人才的企業之一,不只把工廠搬到海外,而是在泰國、印度建立真正的自主研發能力。若跟台積電、聯發科、鴻海相比,台達電研發團隊中非台灣人才的比率是最高的。尤其泰國布局非常成功。台達電當年透過合資方式落地,取得當地社會與政府支持,讓泰達電成為泰國最具代表性的科技企業之一。這代表它海外布局的邏輯,從來不只是降低成本,而是把人才、研發與市場一起扎根。

(2)為何從賣零組件,走向整套資料中心解決方案?

簡立峰:因為資料中心業主非常需要整合廠商。傳統做電腦、做數位科技的人,對類比世界、電力系統不一定熟悉;但如今資料中心愈來愈複雜,從電網、UPS、儲能到機櫃供電與散熱,全部要一起運作。台達看到了這個機會,於是從一個零組件供應商,走向大型專案的系統整合商(solution provider)。它可以把自己沒有的部分發包出去再整合,有點像總承包商。這意味著更高的營收與利潤,但挑戰也更大。因為過去是做產品,現在卻像是顧問,必須懂客戶、懂專案,也要有全球服務能力。

簡立峰
台達電最難複製的,是把50年的電力底子接上AI。

(3)台達電在AI浪潮中大爆發,是因為提早布局AI嗎?

李吉仁 :恰恰相反,我認為台達電完全沒預料到這波AI需求會這麼猛烈。公司本益比超過50倍,反映市場對其成長前景抱持高度期待,這樣的估值恐怕連台達自己也始料未及。但為什麼AI一出現,台達立刻能接住,因為AI基礎設施所需要的東西,剛好就是台達這幾十年來一直在做的事。

台達最早從PC電源供應器起家。從桌電、筆電到消費性電子,它專做電力轉換,把外部電力轉換成設備所需的電壓,並做到高效率及安全。早期消費性電子重視價格,但AI資料中心耗電量太大,一點點電力轉換效率的差距,乘以整座資料中心的規模,就是極為可觀的成本。與其說是台達追上AI,不如說是AI的需求終於走到台達長期深耕的位置。

(4)AI需求若放緩,台達的爆發是曇花一現,還是景氣循環下的短期紅利?

李吉仁 :台達現在最煩惱的問題本身就說明了答案,它現在的問題不是需求會不會消失,而是產能跟不上、執行能力超過了自己原有的極限。這種「被需求追著跑」的狀態,跟以前的被動等訂單完全不同。更重要的是,AI這波需求讓台達在全球幾乎所有頂級科技廠面前都有正在進行中的項目,這些客戶關係和交付經驗的積累,是下一個週期的真正資產。

(5)不少大公司想做新事業都失敗,它為何能持續孵化?

李吉仁 :最重要的關鍵是台達把新事業發展變成一套管理機制。大約2010年至2013年期間 ,台達引進外商IBM的新事業發展制度,台達內部稱為新事業發展管理處(New Business Development,NBD)。它背後觀念很簡單,新事業不能用成熟事業的方法管理。成熟事業看營收、獲利、成本,新事業從零開始,如果每年都拿同樣的財務標準檢討,很快會被內部扼殺掉。因此新事業有不同的策略評估、KPI、人才與管理方式。 台達大約花費2年建立這套制度,並沿用到今天。到2024年左右,台達大約3分之1營收,是由過去10多年NBD所創造的新業務貢獻,像現在台達8大事業群中,樓宇自動化、電動車解決方案,以及預計明年量產出貨的氫能源事業,都源自於新事業發展部門多年的孵化。

(6)鄭平在這套新事業制度裡,扮演什麼角色?

李吉仁 :鄭平最重要的一個決定,是讓新事業有自己的錢,也有自己的時間。替NBD建立獨立資源。當時的概念是以營收的1至2%作為新事業發展資源,而這些錢不會因為沒賺錢,就在年度預算審查時被拿掉。這相當於讓新事業有一段可以「呼吸」的時間。但台達也不是成立一個創新實驗室,永遠跟本業分開。它後來建立出一套移轉機制:起初,新事業可由公司高層與NBD團隊孵化;等到有第一批客戶、第一筆營收,跨過一定門檻後,就必須找到既有事業群認領。

因為到了下一個階段,新事業需要工廠、產品經理、業務與供應鏈,這些資源都在既有事業群裡面。所以台達真正做得好的地方,是讓創新事業最後可以回到本業,不會變成跟公司核心組織完全斷裂的孤島。這也是很多大公司的創新部門最後無法成功的原因:創新做出來了,卻沒人接,或本業根本不願意認領。

(7)台達電為何還要大量併購,又引進這麼多外商人才?

李吉仁 :因為當一家公司從零組件走向solution(解決方案),只靠自己原來的能力一定不夠。做零組件和做解決方案,是2個完全不同的世界。以前做電源零組件供應商,一個事業群可能只需要服務5個全球大客戶。客戶告訴你規格,你把技術做好、把產品交出去就可以。但進入做解決方案後,客戶可能變成5,000個,分散在30個國家。

今天客戶不是只買一個電源供應器,而是可能要求你處理儲能、樓宇控制、空調、照明、電力管理,甚至整套資料中心基礎設施。代表銷售方式、專案管理、人才與全球組織都必須改變。過去幾年,台達引進不少來自IBM、施耐德、Honeywell等公司的外部人才。這很重要,因為一群擅長ODM與零組件的工程師,不可能一夕之間就變解決方案銷售或大型專案顧問。

李吉仁
台達真正的護城河,是把「找新事業」變成一套制度。

責任編輯:謝宗穎

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓